淺層量子電路理論上勝過大語言模型

2026年10月20日，Unite.AI 報道 IBM Research 刊文介紹一項研究，從理論上分析淺層量子電路與大語言模型在兩類問題上的能力。研究涵蓋一類函數問題及一類抽樣問題，指出淺層量子電路在兩者上均可勝過大語言模型。就函數問題而言，研究指出，計算迭代索引函數的常數深度 decoder-only Transformer，寬度須達 n^Ω(1)。就抽樣問題而言，研究聚焦奇偶性抽樣，指出即使加入一定量鏈式推理，擴散語言模型仍無法有效匹配淺層量子電路生成的分佈。

AI 根據報道生成 · 2 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。